[发明专利]一种基于随机批量梯度下降算法的储能管理方法及系统

权利要求书

1.一种基于随机批量梯度下降算法的储能管理方法，其特征在于,其实现内容包括：

(1)收集历史用电量数据，

(1.1)取出连续四周的数据进行时间序列分解，得到每天的用电量波动周期、用电量变化趋势、用电量随机波动残差，并通过这三组数据进一步得到连续时序模型；

(1.2)取出过去十周的用电量数据，根据一周七天划分为七组，进行时间序列分解，得到相同天的用电量波动周期、用电量变化趋势、用电量随机波动残差，并通过这三组数据进一步得到离散时序模型；

(2)收集历史发电量数据和天气数据，对发电量进行线性回归建模，得到回归模型；

(3)结合得到的数据和模型、以及储电设备的剩余电量数据，给定时间t后带入代价函数中，使用随机批量梯度下降算法优化代价函数，以根据使用时段进行供电功率的最优选取。

2.根据权利要求1所述的一种基于随机批量梯度下降算法的储能管理方法，其特征在于，所述代价函数为：

∑L(t)＝(pu(t)-(pg(t)+pr)*Δt-pv)*pp(t)，

其中，pu(t)＝∑P_d/∑P_c*(P_c(t)，pu(t)为当前时段的用电功耗预测，P_d为离散时序模型的值，P_c为连续时序模型的值，pg(t)为当前时段的发电功率预测，Δt为当前时段的变化值，通常为1，pv为储电设备的供电功率，pp(t)为当前的电价，pr表示储电设备的剩余电量数据；

∑L(t)表示每天的总电费，通过合理分配pv，即可以得到每天的最低电费。

3.根据权利要求1所述的一种基于随机批量梯度下降算法的储能管理方法，其特征在于，使用随机批量梯度下降算法优化代价函数的具体过程为：

(a)设置一个stepsize L，一个常数max，来限制随机梯度下降的次数；

(b)外层for循环是根据epoch进行索引循环，内层for循环是由t索引，t属于[1,max]中的随机值且符合分布:∑(t＝1,max)(1-L)^(max-t)；

(c)根据g_s＝1/n∑(i＝1,n)f_i’(x_s)，计算g_s在x_s时的全部梯度，其中，n是当前epoch的样本数,x_s代表当前epoch的样本值，f_i’(x_s)表示第i个样本的函数映射的梯度；

(d)从g_s中减去f_i’(x_s)并加入f_i’(y_s,t)，保证期望是一个随机变量i,服从均匀分布，f_i’(y_(s,t))中的t表示第t次梯度下降，y_s与x_s等价表示.然后将y_(s,t+1)的梯度更新为y_s,t–L*(g_s-f_i’(y_s,t-f_i’(x_s))。

4.根据权利要求3所述的一种基于随机批量梯度下降算法的储能管理方法，其特征在于，执行步骤(a)时，通过迭代实验测试并验证stepsize L和迭代轮数t_s的概率分布上限max，根据验证结果，进行stepsize L和max的设置。

5.根据权利要求3所述的一种基于随机批量梯度下降算法的储能管理方法，其特征在于，使用随机批量梯度下降算法优化代价函数的过程中，需要的数据流是储电设备收集到并储存在本地闪存中的。

6.一种基于随机批量梯度下降算法的储能管理系统，其特征在于，其包括：

数据收集模块，用于收集历史用电量数据；

数据处理模块一，用于取出连续四周的数据进行时间序列分解，得到每天的用电量波动周期、用电量变化趋势、用电量随机波动残差，并通过这三组数据进一步得到连续时序模型；

数据处理模块二，用于取出过去十周的用电量数据，根据一周七天划分为七组，进行时间序列分解，得到相同天的用电量波动周期、用电量变化趋势、用电量随机波动残差，并通过这三组数据进一步得到离散时序模型；

收集处理模块，用于收集历史发电量数据和天气数据，对发电量进行线性回归建模，得到回归模型；

函数优化模块，用于利用得到的数据和模型、以及储电设备的剩余电量数据，给定时间t后带入代价函数中，并使用随机批量梯度下降算法优化代价函数，以根据使用时段进行供电功率的最优选取。